基于判別式分類器的復(fù)雜場景下視頻多目標(biāo)跟蹤研究.pdf

1、近年來，視頻監(jiān)控在安防領(lǐng)域得到了廣泛的應(yīng)用，特別是在大型活動現(xiàn)場、學(xué)校、銀行、商場、機場、高速公路、地鐵等對安全要求敏感的場合。視頻監(jiān)控系統(tǒng)一般包括運動目標(biāo)檢測，目標(biāo)跟蹤，行為檢測，異常信息歸檔等模塊。其中，多目標(biāo)跟蹤在很多方面得到了廣泛的應(yīng)用，是近年來計算機視覺、人機交互系統(tǒng)、模式識別等領(lǐng)域的熱門研究問題。但是，多目標(biāo)跟蹤還存在諸多問題有待研究。本文針對國內(nèi)外多目標(biāo)跟蹤算法進(jìn)行歸納，分析各自優(yōu)缺點，主要包括目標(biāo)視覺表示模型和多目標(biāo)跟蹤

2、方法研究，并總結(jié)了多目標(biāo)跟蹤算法的難點，最后討論了多目標(biāo)跟蹤算法未來發(fā)展趨勢。本論文主要創(chuàng)新工作及研究成果如下：
　　1）本文首先針對復(fù)雜場景下，如光照變化、方向變化、尺度變化等，單一特征的目標(biāo)視覺表示模型很難準(zhǔn)確描述目標(biāo)圖像，可靠性較差的問題，提出了一種基于模糊理論和主成分分析法的多特征融合算法，該算法首先提取目標(biāo)的顏色特征、紋理特征以及梯度特征，接著采用模糊理論對特征進(jìn)行粗選擇，最后利用PCA算法對粗選擇后的特征進(jìn)行融合，有效

3、減少算法復(fù)雜度。實驗結(jié)果表明，融合特征能夠較好地適應(yīng)場景的變化，取得更加魯棒的跟蹤結(jié)果。
　　2）融合時空約束的判別式分類模型理論的建立。針對現(xiàn)有的基于判別式模型的多目標(biāo)跟蹤算法中判別模型沒有同時利用多目標(biāo)間時空關(guān)系的問題，論文根據(jù)同一幀中多個目標(biāo)間的位置關(guān)系，以及目標(biāo)的運動關(guān)系，建立了融合時空約束和結(jié)構(gòu)化SVM的判別式分類模型，最后利用被動-主動（Passive Aggressive,PA）算法實現(xiàn)對判別式分類模型參數(shù)的更新。<

4、br>　　3）基于時空約束判別式分類模型的多目標(biāo)跟蹤算法?；跁r空約束判別式分類模型實現(xiàn)視頻多目標(biāo)的跟蹤，該算法首先提取圖像中每個目標(biāo)區(qū)域的HOG特征，并結(jié)合結(jié)構(gòu)化支持向量機分類器進(jìn)行樣本訓(xùn)練，得到每個目標(biāo)的外觀模型。其次使用最小生成樹模型來構(gòu)建同一幀中各個目標(biāo)間的空間約束，基于目標(biāo)的運動信息建立時間約束。在跟蹤過程中，使用結(jié)構(gòu)化SVM框架進(jìn)行參數(shù)的在線學(xué)習(xí)，實時地更新各個目標(biāo)的外觀模型、空間以及時間約束。該算法充分利用了目標(biāo)時空關(guān)系，